有理範囲内のビット深さ拡大のための重みづけマップの学習【JST・京大機械翻訳】

Liu Yuqing; Jia Qi; Zhang Jian; Fan Xin; Wang Shanshe; Ma Siwei; Gao Wen

プレプリント

J-GLOBAL ID：202202211533903806 整理番号：22P0338248

有理範囲内のビット深さ拡大のための重みづけマップの学習【JST・京大機械翻訳】

Learning Weighting Map for Bit-Depth Expansion within a Rational Range

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (7件)： , , , , , ,
資料名：
発行年： 2022年04月25日プレプリントサーバーでの情報更新日： 2022年04月25日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

ビット深さ拡張(BDE)は,低ビット深さ(LBD)源から高ビット深さ(HBD)画像を表示する新興技術の1つである。既存のBDE法は,様々なBDE状況に対する統一解を持たず,LBD画像からのそれぞれの画素のマッピングを直接学習し,与えられた高次ビットを変化させ,グランドトルースから大きな偏差をもたらす。本論文では,ビット復元ネットワーク(BRNet)を設計し,各画素の重みを学習し,与えられた高次ビット情報を修正せずに,正確な解を呼び出す合理的な範囲内の補充値の比率を示した。任意のビット深さ劣化のためのネットワーク適応をするために,著者らは最適化展望における問題を調査して,より良い性能のために進行性訓練戦略の下でネットワークを訓練した。さらに,復元された画像とグランドトルースの間の色分布の差異を評価するために,視覚品質指標としてWasserstein距離を採用した。実験結果は,著者らの方法がより少ないアーチファクトと虚偽輪郭でカラーフル画像を回復することができて,より高いPSNR/SSIM結果とより低いWasserstein距離で最先端の方法より優れていることを示した。ソースコードはhttps://github.com/yuqing liu dut/bit depth expansionで利用できる。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

図形・画像処理一般

, , , ,

前のページに戻る